PaddleLite部署PaddleOCR流程

最新推荐文章于 2024-09-11 23:27:28 发布
最新推荐文章于 2024-09-11 23:27:28 发布
阅读量4.5k 收藏 24
点赞数 4
分类专栏： 踩坑记录 文章标签： paddlepaddle 嵌入式 ocr 交叉编译 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Zhangzh_0329/article/details/114643639
版权
本文详细介绍了如何在嵌入式设备上使用PaddleLite部署PaddleOCR，包括准备交叉编译的opencv4.2，配置PaddleLite编译环境，编译获取预测库，模型优化，准备模型、预测库和其他必要文件，编写CMakeList并执行编译，以及解决常见问题。
摘要由CSDN通过智能技术生成

PaddleLite部署PaddleOCR流程

1.准备交叉编译的opencv4.2

具体步骤和问题解决方案见
https://blog.csdn.net/qiaolin19890323/article/details/107692034
https://www.cnblogs.com/weicaiershang/archive/2004/01/13/12834497.html

2.准备PaddleLite编译环境（可以选择交叉编译或者本地编译）

在这里插入图片描述
在这里插入图片描述

3.PaddleLite源码编译获得预测库

由于PaddleLite的版本更替频繁，我这里用的是 git checkout release/v2.7
注意：2.6及以下版本与2.7的 MobileConfig 对应的模型格式有变化不同，需采用对应的opt工具转换模型，opt与lite版本不对应会出现模型加载错误等问题。

# 1. 推荐：git Paddle-Lite源码 并切换到release分支
git clone https://github.com/PaddlePaddle/Paddle-Lite.git
cd Paddle-Lite && git checkout release/v2.7

交叉编译：在…/Paddle-Lite/cmake/cross_compiling 下修改armlinux.cmake
把编译器改为交叉工具链提供的gcc和g++

#使用自带脚本编译获得预测库 --arch:(armv8|armv7|armv7hf)
./lite/tools/build_linux.sh  --arch=armv8  --with_cv=ON --
最低0.47元/天 解锁文章
纸小盒
关注
专栏目录
一个高性能、轻量级、灵活性强且易于扩展的深度学习推理框架，定位于支持包括移动端、嵌入式以及边缘端在内的多种硬件平台
11-10
Paddle Lite 是一个高性能、轻量级、灵活性强且易于扩展的深度学习推理框架，定位于支持包括移动端、嵌入式以及边缘端在内的多种硬件平台。当前 Paddle Lite 不仅在百度内部业务中得到全面应用，也成功支持了众多外部用户和企业的生产任务。Paddle Lite 框架直接支持模型结构为 PaddlePaddle 深度学习框架产出的模型格式。目前 PaddlePaddle 用于推理的模型是通过 save_inference_model 这个 API 保存下来的。Paddle Lite 框架拥有优秀的加速、优化策略及实现，包含量化、子图融合、Kernel 优选等优化手段。优化后的模型更轻量级，耗费资源更少，并且执行速度也更快。Paddle Lite 提供了 Android/iOS/x86/macOS 平台的官方 Release 预测库下载。Paddle Lite 提供了 C++、Java、Python 三种 API，并且提供了相应 API 的完整使用示例，针对不同的硬件平台，Paddle Lite 提供了各个平台的完整示例。
Android PaddleLite OCR替换新模型
yeziyfx的专栏
07-10 273
之前使用的是v2模型，现在发现都更新到v4了。好像没看，之前也是匆忙加入重在使用，没有总结，导致这次很多东西都是重新梳理。首先，要找新模型的数据，要在Paddle-Lite这个开源目录下去找，不要找错地方了，别去PaddleOCR下去找。
2024年最新新手掌握PaddleOCR使用（训练自己数据集与知识蒸馏）
最新发布
hsling
09-11 4472
由于框架在不断迭代，最新版的指导希望能帮助新手掌握训练自己的数据集与知识蒸馏过程
使用paddle-lite在Arm开发板上部署paddleOCR
小菜的博客
11-01 1万+
序言 最近有个需求，需要在arm板子上部署一个通用的ocr模型，正好度娘家开源的PaddleOCR效果识别得非常不错，并且提供了mobile版本，因为业务中对精度要求不是特别的高，而且自己去训练的话效果还大概率没有人家的好，所以就不从训练开始折腾了，索性就直接拿来用。PaddleOCR对于部署来说非常的友好，提供了很多方式的部署代码，因为我是要用到arm边缘板子上，所以选择了paddle-lite方式进行部署，而paddle-lite的部署代码，在PaddleOCR源码的deploy/lite文件夹中，具体
在amd64与arm上用paddlelite部署paddelOCR(Ascend硬件)
Mintary的博客
04-30 2622
prev)或者Segmentation fault (core dumped)，后来我一个地方一个地方的手动打断点，发现是字符识别的时候，如果一张图有多个detection模型识别出来的区域，往往第一个detection识别出来的字符是对的，然后从第二个就开始出问题，最后Run() double free or corruption (!编译到一半的时候会出现未知原因的编译错误，并不会报error而是直接停止，于是放弃编译HuaweiAscendNPU库，只编译PaddleLite+NNAdapter。
Ubuntu20.04 交叉编译Paddle-OCR
sz76211822的专栏
05-03 1637
1.将Paddle-Lite编译好的cxx文件夹放置到PaddleOCR/deploy/lite目录下。3.除了拷贝过来的源代码，还需要clipper.h 和clipper.cpp这两个文件，在。2.将编译好的opencv文件夹放置到cxx目录下。
PaddleLite for yolov5 部署android源码.zip
05-01
标题 "PaddleLite for yolov5 部署android源码.zip" 提供的信息表明，这是一个关于使用PaddleLite在Android平台上部署YOLOv5模型的项目。YOLOv5是一种流行的实时目标检测算法，而PaddleLite是百度飞桨（PaddlePaddle...
paddlelite2.8版本whl文件
04-02
paddlelite2.8版本whl文件，可直接安装至树莓派，无需源码编译。使用方法： https://blog.csdn.net/weixin_40973138/article/details/114780090?spm=1001.2014.3001.5501
paddlelite2.6版本whl文件
03-28
总的来说，"paddlelite2.6版本whl文件"是为了简化PaddleLite在Python环境中的部署而提供的预编译包。它允许开发者快速地在目标设备上运行深度学习模型，而无需关心底层的编译和优化细节。通过合理利用PaddleLite的...
PaddleLite口罩识别的移动端部署实战
01-03
PaddleLite口罩识别的移动端部署实战 文章目录PaddleLite口罩识别的移动端部署实战1.准备编译环境1.1 Linux开发环境Android交叉编译环境要求配置环境具体步骤2.下载Paddlelite代码3.编译预测库4.将文件保存到手机5....
lac：百度NLP：分词，词性标注，命名实体识别，词首
02-03
工具介绍 LAC全称中文的词法分析，是百度自然语言处理部研发的一种联合的词法分析工具，实现中文分词，词性标注，专名识别等功能。该工具具有以下特点和优势： 效果好：通过深度学习模型联合学习分词，词性标注，专名识别任务，单词索引，整体效果F1值超过0.91，词性标注F1值超过0.94，专名识别F1值超过0.85，效果领先。 效率高：精简模型参数，结合Paddle预测库的性能优化，CPU单线程性能达800QPS，效率领先。 可定制：实现简单可控的干预机制，精确匹配用户字典对模型进行干预。 调用便捷：支持一键安装，同时提供了Python，Java和C ++调用接口与调用示例，实现快速调用和集成。 支持
paddlelite.zip
03-19
paddlelite的whl压缩包，内含各版本的paddlelite2.6.whl文件，大家可根据实际情况选择使用。 关于使用方式，可参见：https://blog.csdn.net/weixin_40973138/article/details/114780090?spm=1001.2014.3001.5501
【飞桨AI实战】桃子分类系统部署：手把手带你入门PaddleClas全家桶
u010522887的专栏
03-06 1955
本次分享将带领大家从0到1完成一个图像分类任务的模型训练评估和推理部署全流程，项目将采用以PaddleClas为核心的飞浆深度学习套装进行开发，并总结开发过程中踩过的一些坑，希望对有类似项目需求的同学提供一点帮助。这个部分的目的是将我们的模型部署到移动端（比如手机），这样就不用依赖云端服务器来进行推理了，飞浆已对上述需求所需要的功能实现进行了封装，主要体现在PaddleLite这个组件上，细节可参考。如上，我们便完成了数据的准备工作，接下来将选用一个model完成模型在该数据集上的训练。
PaddleOCR模型移植安卓
qq_44309220的博客
08-10 2975
PaddleOCR 是一套丰富、领先、且实用的OCR工具库, 助力开发者训练出更好的模型, 并应用落地.基于 PaddleOCR 训练出的模型具有良好的文本识别性.PaddleOCR 的兼容性很差, 一个小版本都可能导致无法编译. 尤其需要注意高版本的 Android NDK, 它修改了各种库的位置, 很容易造成编译时出现头文件缺失的情况....
PadleOCR训练自己的ocr模型之训练步骤
m0_63493883的博客
06-26 7858
一、前期准备1、代码2、标注工具二、环境配置库的安装：在文件配置完后，训练后时看缺什么库就安什么库三、文件配置。
基于Paddle Lite在Android手机上实现图像分类
夜雨飘零
08-02 4925
Paddle Lite是飞桨基于Paddle Mobile全新升级推出的端侧推理引擎，在多硬件、多平台以及硬件混合调度的支持上更加完备，为包括手机在内的端侧场景的AI应用提供高效轻量的推理能力，有效解决手机算力和内存限制等问题，致力于推动AI应用更广泛的落地。
PaddleOCR本地部署（安装，使用，模型优化/加速）
热门推荐
啷个哩个啷
06-04 6万+
之前在服务器上要训练ppocr模型，所以需要额外安装PaddlePaddle，但是自己训练后已经把模型变成了推理模型，直接可以使用paddleocr package这一个包来进行运行，所以在迁移到别的环境时候，可以不再进行paddlepaddle的安装。 参考： 和之前的文章：PaddleOCR数字仪表识别——5. ppocr封装使用 1. 安装 根据：paddleocr package使用说明 一开始以为： pip install "paddleocr>=2.0.1" 但是果然： so就在本机安
基于PaddleOCR训练的新模型Android端部署全流程记录
YY007H的博客
05-16 5116
PaddleOCR的github中有对端侧部署有详细教程，但是我觉得里面讲解的还是不够详细，在我部署我自己新训练的模型的时候，还是遇到了一些问题， 1、paddlelite应该选择什么版本对新模型编译？ 2、如何替换android_demo中有关paddlelite的so文件？ 3、如何修改android_demo的包名？ 基于以上问题，我会在本片文章中详细讲解下Android端如何部署PaddleOCR训练的新模型。
paddlelite 部署
07-28
对于PaddleLite的部署，您可以按照以下步骤进行操作： 1. 首先，您需要安装PaddlePaddle和PaddleLite。可以通过以下命令安装PaddlePaddle： ``` pip install paddlepaddle ``` 然后，可以通过以下命令安装Paddle...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值